针对壁画部分区域被烟熏污染,人眼难以辨别的问题,现有的图像增强算法未能充分考虑壁画影像中的同质区域和空谱信息,因此,本文提出了基于空谱特征联合的烟熏壁画线条增强方法。首先,用地面高光谱成像仪采集壁画的原始高光谱数据进行数...针对壁画部分区域被烟熏污染,人眼难以辨别的问题,现有的图像增强算法未能充分考虑壁画影像中的同质区域和空谱信息,因此,本文提出了基于空谱特征联合的烟熏壁画线条增强方法。首先,用地面高光谱成像仪采集壁画的原始高光谱数据进行数据预处理,选取波段合成真彩色影像并利用多尺度模糊C均值算法进行图像分类,将分类后数据与高光谱影像一一对应得到分区高光谱数据,对各分区数据进行核主成分分析(kernel principal componentanalysis,KPCA)降维获取前几主成分,经平均梯度分析选出分区KPCA的最优主成分影像;其次,分析壁画每幅影像的行列相关性,对预处理后的高光谱影像进行二维主成分分析获取其行、列主成分,经图像重构和平均梯度分析获得二维主成分分析的最优主成分影像;最后,结合光谱特征分析与自适应伽马校正算法得到包含壁画线条增强信息和色彩信息的影像。结果表明,与已有的单尺度Retinex算法、带色彩恢复的多尺度Retinex算法及侯妙乐等(2014)方法进行对比,本方法得到的影像线条完整、清晰,具有更好的对比度。展开更多
文摘针对壁画部分区域被烟熏污染,人眼难以辨别的问题,现有的图像增强算法未能充分考虑壁画影像中的同质区域和空谱信息,因此,本文提出了基于空谱特征联合的烟熏壁画线条增强方法。首先,用地面高光谱成像仪采集壁画的原始高光谱数据进行数据预处理,选取波段合成真彩色影像并利用多尺度模糊C均值算法进行图像分类,将分类后数据与高光谱影像一一对应得到分区高光谱数据,对各分区数据进行核主成分分析(kernel principal componentanalysis,KPCA)降维获取前几主成分,经平均梯度分析选出分区KPCA的最优主成分影像;其次,分析壁画每幅影像的行列相关性,对预处理后的高光谱影像进行二维主成分分析获取其行、列主成分,经图像重构和平均梯度分析获得二维主成分分析的最优主成分影像;最后,结合光谱特征分析与自适应伽马校正算法得到包含壁画线条增强信息和色彩信息的影像。结果表明,与已有的单尺度Retinex算法、带色彩恢复的多尺度Retinex算法及侯妙乐等(2014)方法进行对比,本方法得到的影像线条完整、清晰,具有更好的对比度。
